基于多时相GF-1WFV 数据的南方丘陵地区甘蔗种植面积提取

南方丘陵地区甘蔗种植具有分散、形状多样等特点,利用中低分辨率遥感数据提取甘蔗种植面积时,数据的有效性和精度都难以满足要求.利用高分辨率GF-1WFV遥感数据,分析比较甘蔗与其他地物类的光谱特征、纹理特征及植被指数时间变化差异,采用多时相迭代方法构建甘蔗提取特征向量决策树模型.利用该模型提取了广西江州区的甘蔗种植面积,经野外实地调查验证,甘蔗面积提取的用户精度为90.13％,生产精度为88.78％,表明GF-1WFV数据是复杂地形下提取甘蔗等农作物的潜力数据源,该提取思路可以为在全国范围内不同地区了解甘蔗种植情况,进行甘蔗长势监测和产量估测提供技术参考.     

基于多时相GF-1WFV 数据的南方丘陵地区甘蔗种植面积提取

南方丘陵地区甘蔗种植具有分散、形状多样等特点,利用中低分辨率遥感数据提取甘蔗种植面积时,数据的有效性和精度都难以满足要求。利用高分辨率GF-1WFV 遥感数据,分析比较甘蔗与其他地物类的光谱特征、纹理特征及植被指数时间变化差异,采用多时相迭代方法构建甘蔗提取特征向量决策树模型。利用该模型提取了广西江州区的甘蔗种植面积,经野外实地调查验证,甘蔗面积提取的用户精度为90.13%,生产精度为88.78%,表明GF-1WFV 数据是复杂地形下提取甘蔗等农作物的潜力数据源,该提取思路可以为在全国范围内不同地区了解甘蔗种植情况,进行甘蔗长势监测和产量估测提供技术参考。     

基于GF-1/WFV时间序列的葡萄遥感识别

为研究GF-1时间序列影像的识别技术对大尺度葡萄信息识别提取的可行性,探索大尺度葡萄快速精确提取的新思路。基于GF-1/WFV时间序列影像数据分析试验区主要植被类型的归一化植被指数(Normalized difference vegetation index,NDVI)、增强型植被指数(Enhanced vegetation index,EVI)的时序变化特征,结合葡萄物候期构建决策树,提取宁夏贺兰山东麓葡萄的空间分布信息。结果表明,该方法可以有效提取贺兰山东麓葡萄分布信息,分类总体精度为95%,Kappa系数为0.91。葡萄提取的生产精度为93%,用户精度为96%。在时间序列数据中,葡萄提取的窗口期为3—5月掩埋期和7—9月生长旺盛期。NDVI时间序列能够较好地区分作物和防护林,EVI时间序列能够区分葡萄地和防护林。     

基于TWDTW的时间序列GF-1 WFV农作物分类

【目的】焉耆盆地是新疆重要的特色农产品生产基地,农作物种植结构较为复杂。利用时间序列的遥感数据对研究区内的农作物进行分类识别,获得不同农作物的空间分布、种植面积等信息,为政府部门制定粮食政策、经济计划提供重要依据。同时探讨时间加权的动态时间弯曲(time weighted dynamic time warping,TWDTW)方法在农作物分类识别中的适用性以及高分一号(GF-1)WFV在农业领域的应用潜力。【方法】以新疆焉耆盆地为研究区域,利用2018年作物生长季的GF-1 WFV时间序列数据集计算归一化植被指数(NDVI),基于TWDTW方法开展农作物分类识别研究。分别采集不同作物的样本点,形成各作物NDVI的标准序列。利用TWDTW相似性匹配算法计算每个待分类像元与不同作物标准序列间的相似度距离,距离值越小则相似性越高,通过对比确定像元的农作物类型,得到最终的分类结果,同时根据时间序列NDVI曲线建立决策树(decision trees,DTs)分类规则,人工设置分类阈值得到分类结果,并与TWDTW方法的结果进行对比分析。【结果】2种方法的分类结果较为一致,辣椒的种植范围最广,小麦主要分布在焉耆盆地北部和西部的农二师二十一团,番茄和甜菜的种植分布较为零星。在种植面积统计中,辣椒的种植面积最大,其后依次为番茄、小麦和甜菜。利用野外样本点对决策树和TWDTW两种方法的分类结果进行精度验证,总体精度分别为89.58%和90.97%,kappa系数为0.804和0.830,TWDTW方法的分类精度相比于决策树法略有提高。【结论】相比于决策树分类方法,TWDTW方法的分类精度略有提高的同时,分类结果客观可靠,而且算法不受地域因素限制,具有较强的灵活性和适用性。基于密集时相的GF-1 WFV数据集,采用TWDTW算法对农作物进行分类,得到较好的分类结果,能够满足农业部门的管理决策需求,该方法在农业领域具有较大的应用和推广价值。     

基于Sentinel-2与GF-6 WFV数据的花生种植面积提取差异分析

为比较基于Sentinel-2与GF-6 WFV数据对花生种植面积提取的差异,以许昌市榆林乡为研究区域,选取Sentinel-2和GF-6 WFV遥感数据相同波段,采用K邻近法和最大似然法提取花生种植面积,基于样本点构建混淆矩阵进行精度验证,并结合地面样方实测数据,比较对花生种植面积提取的相对误差.结果表明,2种分类方...     

基于NDVI时间序列数据的冬小麦种植面积提取

归一化植被指数(NDVI)是利用遥感技术提取作物信息的重要指标,其时序曲线能反映植被的生长变化,在农作物种植面积信息提取上有较大优势。以河北平原为研究区,利用空间分辨率250 m的MODIS NDVI数据提取2011—2016年冬小麦种植面积。首先利用HANTS滤波建立NDVI时序曲线,结合区域物候信息和种植模式,提取冬小麦种植像元。因MODIS影像空间分辨率较低,结果受混合像元影响大。运用像元二分模型分解混合像元,计算单一像元冬小麦覆盖度进而计算研究区冬小麦种植面积,并利用Landsat数据对结果进行验证。结果表明,利用时间序列谐波分析法(HANTS)滤波和像元二分模型相结合可提高冬小麦种植面积提取精度,总体分类精度达90%以上;2011—2016年河北平原冬小麦种植面积总体减少,其中河北平原北部和山前平原冬小麦面积缩减,近海平原呈增长趋势。     

基于MODIS EVI时序数据的冬小麦种植面积提取

基于MODIS EVI构建的时间序列谱,结合冬小麦生育期形态变化特征,提取了河南省冬小麦种植面积.结果表明,冬小麦在EVI特征空间中具有独特的序列谱相特征,返青期后冬小麦整体EVI表现为逐渐升高,EVI在开花期后下降,灌浆后期快速降低;采用决策树分类方法实现冬小麦分离提取,整个河南省冬小麦识别面积与官方统计面积仅相差482.00×103 hm2,精度达到90.88％;EVI时间序列谱反映的作物生长过程的生理意义明确,采用MODIS EVI时间序列谱的遥感分类方法可以较好地实现冬小麦的遥感分类提取,满足冬小麦的长势监测和遥感估产的需要.     

基于GF-1号的红枣种植面积提取方法

新疆南疆地区是我国红枣盛产的主要地区之一,精准掌握红枣种植信息有利于为红枣产业的发展做出更加科学客观决策。为精确提取红枣种植面积,本文以阿克苏地区阿拉尔市为例,基于GF-1号16 m WFV传感器卫星数据构建红枣种植面积提取方法。选择归一化植被指数(NDVI)、原始波段、主成分等特征,结合野外实测样点,采用决策树分类方法,提取红枣种植面积。结果表明:该提出方法总体分类精度为94. 47%,并且有89. 41%的用户精度和91. 23%的制图精度。该方法为较大区域红枣种植信息的监督提供参考。     

基于多源数据的水稻种植面积提取

引入水稻关键期提取和变化向量分析方法,以江苏省海安县水稻为研究对象,以MODIS数据和环境小卫星数据为主要数据源,分析了2009年水稻物候期内的规律,并根据该指示选择合适的中分辨率数据进行变化向量分析。研究表明,该方法可以有效地反映耕地地块内水稻像元的变化规律,且基于物候关键期内的时相选择可以提高水稻种植面积识别精度。     

基于深度学习和遥感数据的水稻种植面积提取

针对现有基于深度卷积神经网络进行水稻（Oryza sativa L.）遥感识别中样本采集工作量大、样本标注要求高及水稻感受野尺度选择难等问题,构建了一种基于像元和多尺度的深度卷积神经网络（DCNN）水稻遥感识别模型。首先,针对水稻种植分布特点,综合深度卷积神经网络方法的特点,设计了基于像元的DCNN提取模型;其次,将多尺度与DCNN相结合,构建多尺度DCNN模型,增加感受野的多尺度特性;最后,为了验证多尺度DCNN模型提取水稻的效果,以高分一号和高分二号卫星影像为数据源,选取传统机器学习SVM模型、语义分割D-Linknet模型、单一尺度DCNN模型进行分类精度对比分析。结果表明,本研究提出的多尺度DCNN模型的准确率、精确率、召回率、平衡F分数分别为97.75%、96.68%、99.08%、97.85%;与其他模型相比,多尺度DCNN模型结构简单、样本制作简便、识别精度高,具有较好的应用价值。     

基于Sentinel-1A数据的冬小麦种植面积提取

【目的】 利用2018—2019年冬小麦生长季的雷达数据对河南省驻马店市上蔡县、正阳县、平舆县、汝南县的冬小麦种植面积进行提取,为雷达数据在冬小麦种植面积提取研究提供参考。【方法】 文章在对冬小麦生长关键物候期多时相Sentinel-1A SAR（Synthetic Aperture Radar,合成孔径雷达）数据中VV极化和VH极化影像的后向散射系数进行分析的基础上,利用最大似然法开展了河南省驻马店市上蔡县、正阳县、平舆县、汝南县4个“产粮大县”的冬小麦种植面积提取研究,并通过统计年鉴数据对VV极化和VH极化的冬小麦提取结果进行了初步评价。利用2018年12月22日,2019年3月28日和2019年4月21日的SAR时间序列影像数据进行冬小麦分类提取。【结果】 从整个研究区来看VV极化方式的提取结果为4 461.14 km²,VH极化的结果为4 277.22 km²,与统计数据相比,VV极化的误差为13.17%,VH极化的误差为8.51%,VV极化的提取误差要大于VH极化的提取误差。各个县的结果显示,VH极化的提取误差均小于VV极化的结果,误差最小的为利用VH极化提取的正阳县的结果,误差仅为1.85%,误差最大的为利用VV极化提取的平舆县的结果,误差为19.72%。【结论】 基于冬小麦生长关键物候期多时相Sentinel-1A的后向散射系数,能够实现较高精度的冬小麦种植面积提取。     

基于Radarsat-2的水稻种植面积提取

选用2013年7月23日-10月27日期间5期分辨率为5.2 m×7.6 m的Radarsat-2影像为数据,采用支持向量机法(SVM)和最大似然法(MLC)分别对各时相水稻种植面积进行提取,并以地面实测GPS水稻样方进行精度验证。结果表明SVM和MLC方法的水稻面积提取精度均在9月9日达到最高,所以选择在9月9日的水稻面积提取结果上研究耕地地块优化和碎小图斑去除对精度的影响。通过耕地地块优化和碎小图斑去除处理,水稻面积提取精度显著提高,SVM法由原先的72.876%提高到95.482%,MLC法由74.224%提高到91.792%。     

基于特征优选的GF-6 WFV影像主要粮食作物提取

针对高分六号（GF-6）宽幅多光谱影像具有红边波段的特点,构建一种基于特征优选的GF-6 WFV影像主要粮食作物提取方法。首先从预处理后的GF-6影像中提取光谱特征、植被指数、水体指数和红边指数特征,然后利用递归特征消除算法进行特征优选来构建最优特征集,最后基于最优特征集和机器学习算法对影像进行分类从而提取主要粮食作物。以江苏省南通市如东县为研究区,采用6种方案进行粮食作物提取试验,并探讨不同特征、不同分类模型对小麦、水稻和玉米3种粮食作物提取精度的影响,结果表明,利用GF-6 WFV影像可以准确提取主要粮食作物,尤其在红边波段和红边指数上主要粮食作物与其他地物间具有较高的可分性;利用最优特征集和XGBoost算法对影像进行分类的精度最高,在小麦和水稻、玉米提取试验中比未采用红边特征时的分类精度分别提高了3.08、5.58个百分点。     

基于多时相Sentinel-1A数据的水稻面积提取

合成孔径雷达(SAR)具有全天候、全天时获取遥感影像的能力,因此在南方多阴雨地区有着较高的应用潜力。本研究以江苏省盐城市建湖县为研究区域,选用当地水稻生长周期内的长时间序列Sentinel-1A影像作为数据源,依据光谱微分变换分析法,采用一种雷达微分变换的方法,通过对长时间序列SAR影像进行一阶和二阶微分变换处理,选取其中水稻与其他地物后向散射系数差异明显的时间段,再利用支持向量机(SVM)模型进行分类从而获取水稻信息。与利用多时相极化SAR影像的阈值分类法进行比较可知,基于二阶微分变换的SVM分类方法优于阈值分类方法,其总体精度为89.88%,Kappa系数和F1值分别为0.841 2和0.879 5,水稻提取面积为525.32 km²,相对误差为11.58%。说明,经过微分变换的时序SAR数据结合SVM模型进行分类可以进一步提高水稻面积提取精度,为作物识别提供了一种新的思路。     

HJ星和GF1号数据在水稻种植面积提取中的应用

利用中高空间分辨率遥感技术监测农作物生长已成为当今农业遥感研究的热点问题。本研究选用国产中空间分辨率卫星HJ星和高空间分辨率卫星GF1号遥感影像数据,在分别对其进行大气校正、几何校正等预处理的基础上,选用PCA、Brovey、HPF和Wavelet 4种融合方法对HJ星和GF1号遥感数据进行融合,并对其融合效果进行定性和定量评价。通过计算融合影像的RVI和NDVI,比较其光谱特征的差异性,并对筛选出的最适融合影像进行水稻种植面积的提取与精度验证。结果表明,在4种遥感融合方法中,HPF融合效果最佳,其标准差和信息熵分别为10.984 3和1.468 6,信息量丰富,与原始影像的交叉熵和相关系数分别为1.848 5和0.370 2,保真度较好,HPF融合影像RVI和NDVI分别为6.508 1和0.713 6,与实测值最为接近,近似率分别为87.71%和98.63%,利用水稻种植面积提取样方验证的精度为98.08%。说明,对HJ星和GF1号遥感影像进行HPF融合,可以增强融合影像的信息量和光谱特征,有利于县域级水稻种植面积准确提取。     

基于EOS/MODIS数据的抚远县水稻面积提取技术研究

为获取黑龙江省大范围的水稻种植空间分布及面积等信息,指导水稻生产,以抚远县为研究区域,利用EOS/MODIS数据进行水稻面积提取研究。结果表明:抚远县水稻面积309 513.32hm2。水稻种植区域精度较高的图框区域集中在抚远县中部及南部地区,这些地区水稻种植比较集中,且所占比例很高,其它作物较少,对混合像元的精度影响小;精度较低的图框主要集中在北部地区,这与实际情况相符合,水稻种植较零散且其它混种作物种类及荒草类别比较复杂,混合像元分类精度较低。     

基于多时相SAR数据的水稻面积提取

合成孔径雷达(SAR)由于不受天气影响,具有全天候、全天时高分辨率成像的能力,以及对某些地物的穿透探测,因此在南方多云雨地区的农作物监测方面有着很大的应用潜力。本文以江苏省盐城市阜宁县为研究区域,采用当地水稻生长周期内的长时间序列Sentinel-1A影像作为数据源,利用监督分类中的支持向量机(SVM)对SAR影像进行分类,与利用VV和VH极化组合进行后向散射系数阈值分类的方法作比较。结果表明,阈值分类方法优于监督分类方法,其总体精度为89.48%,Kappa系数为0.8184,水稻提取面积为672.65km²,相对误差为11.48%。由此可得,对不同极化组合的长时间序列SAR数据进行阈值分类可以更高效地识别地物信息,在水稻面积提取方面有独特的优势。     

基于GF-1WFV数据的草原毒草白喉乌头空间分布监测与分析

[目的]验证GF-1 WFV数据(空间分辨率为16 m)在草原毒草白喉乌头(Aconitum leucostomum Worosch)遥感监测中的适用性,掌握白喉乌头在伊宁县托乎拉苏山地草甸草地的空间分布特征.[方法]利用经过FLASSH大气校正的GF-1 WFV影像,结合高光谱特征分析,采用监督分类与目视解译相结合的方法,对研究区白喉乌头空间分布进行识别,并验证其分类精度.[结果]影像解译总体分类精度达96.036 8;,Kap-pa系数为0.937 7,分类结果较理想;高光谱特征提取和分析发现,在750～1 050nm波长范围内白喉乌头和牧草两种植被类型光谱差异明显;编绘了研究区白喉乌头空间分布图,并发现其空间分布总体上沿水沟的分布呈“带状”分布格局,且由北向南,呈递减趋势,主要分布在阳坡的中海拔地区;在东西方向上,向两边逐渐减少.[结论]白喉乌头在托乎拉苏山地草甸草地主要分布在阳坡、道路两侧,整体呈带状分布;分布格局为:北-南方向上,从无-多-少;东-西方向上,从多-多-少;GF-1 WFV数据在草原毒草白喉乌头监测中具有较好可行性.     

基于MODIS数据的丘陵地区冬小麦种植面积提取研究

利用2004-2005年MODIS 16 d合成的NDVI最大值植被指数数据,基于NDVI光谱突变方法对山西省运城地区冬小麦种植面积进行提取。通过分析得出：2005年5-6月（2005161～2005129）提取的冬小麦面积与实测面积相关性最高,估测的冬小麦面积与实测面积的误差最小,准确性最高。     

基于多时相遥感数据的水稻种植面积信息提取

在遥感影像中,植物的含水量、土壤湿度在短波红外波段下表现很敏感,而红光波段和近红外波段对植物覆盖率、植物长势反映很强烈。基于时间差异的决策树水稻提取模型,通过计算水稻生长不同时期的归一化植被指数NDVI和土壤含水量指数LSWI,在江苏省盐城市射阳县开展了水稻种植区提取的相关研究。经过提取的水稻面积和地方统计数据对比表明,该模型能有效区分出水域、玉米和菜地等较易与水稻种植区混淆的地物,面积提取精度达到76.26%。